CN110188604A - 基于2d和3d影像的人脸识别方法及装置 - Google Patents
基于2d和3d影像的人脸识别方法及装置 Download PDFInfo
- Publication number
- CN110188604A CN110188604A CN201910311222.8A CN201910311222A CN110188604A CN 110188604 A CN110188604 A CN 110188604A CN 201910311222 A CN201910311222 A CN 201910311222A CN 110188604 A CN110188604 A CN 110188604A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- point
- cloud
- target feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于2D和3D影像的人脸识别方法及装置,所述人脸识别方法包括:获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;根据所述2D影像和3D点云获取3D影像;获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;利用所述目标特征点及深度信息识别所述拍摄目标的身份。本发明的人脸识别装置及方法能够识别影像中的身份更加准确,而且识别图像的种类更多,识别面更广,仅需头部的局部影像就能够识别出目标身份,从而将识别应用到更多环境中。
Description
技术领域
本发明涉及一种基于2D和3D影像的人脸识别方法及装置。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期,并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。
现有技术中,通过人脸识别时不够精确,容易出错,且只能识别人的正面,应用领域狭窄。
发明内容
本发明要解决的技术问题是为了克服现有技术中通过人脸识别时不够精确,容易出错,且只能识别人的正面,应用领域狭窄的缺陷,提供一种能够识别影像中的身份更加准确,而且识别图像的种类更多,识别面更广的基于2D和3D影像的人脸识别方法及装置。
本发明是通过下述技术方案来解决上述技术问题:
一种基于2D和3D影像的人脸识别方法,其特点在于,所述人脸识别方法包括:
获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
根据所述2D影像和3D点云获取3D影像;
获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
利用所述目标特征点及深度信息识别所述拍摄目标的身份。
较佳地,利用所述目标特征点及深度信息识别所述拍摄目标的身份为通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
较佳地,所述利用所述目标特征点及深度信息识别所述拍摄目标的身份,包括:
在目标特征点中选取标记特征点;
获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
利用所述空间坐标生成若干空间三角形;
利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
较佳地,所述根据所述2D影像和3D点云获取3D影像,包括:
根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若是则根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云;
根据所述2D完整影像和3D完整点云获取3D影像。
较佳地,根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若否则获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像,根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
本发明还提供一种基于2D和3D影像的人脸识别装置,其特点在于,人脸识别装置包括2D镜头、3D镜头以及一处理器,所述处理器包括一获取模块、一生成模块以及一识别模块,
所述2D镜头及3D镜头用于分别获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
所述获取模块用于根据所述2D影像和3D点云获取3D影像;
所述生成模块用于获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
所述识别模块用于利用所述目标特征点及深度信息识别所述拍摄目标的身份。
较佳地,
所述识别模块用于通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
较佳地,所述处理器还包括一选取模块、一标记模块、一构建模块以及一计算模块,
所述选取模块用于在目标特征点中选取标记特征点;
所述标记模块用于获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
所述构建模块用于利用所述空间坐标生成若干空间三角形;
所述计算模块用于利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
所述识别模块用于获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
较佳地,所述处理器还包括一判断模块以及一操作模块,
所述判断模块用于根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若是则调用所述操作模块根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云;
所述获取模块用于根据所述2D完整影像和3D完整点云获取3D影像。
较佳地,所述处理器还包括一投影模块,
所述判断模块用于根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若否则调用所述投影模块获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像;
所述识别模块用于根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明的人脸识别装置及方法能够识别影像中的身份更加准确,而且识别图像的种类更多,识别面更广,仅需头部的局部影像就能够识别出目标身份,从而将识别应用到更多环境中。
附图说明
图1为本发明实施例1的人脸识别方法的流程图。
图2为本发明实施例1的人脸识别方法的另一流程图。
图3为本发明实施例1的人脸识别方法的又一流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于2D和3D影像的人脸识别装置,人脸识别装置包括2D镜头、3D镜头以及一处理器,所述处理器包括一获取模块、一生成模块以及一识别模块,
所述2D镜头及3D镜头用于分别获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
所述获取模块用于根据所述2D影像和3D点云获取3D影像;
所述生成模块用于获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
所述识别模块用于利用所述目标特征点及深度信息识别所述拍摄目标的身份。
具体地,所述识别模块用于通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
所述处理器还包括一选取模块、一标记模块、一构建模块以及一计算模块,
所述选取模块用于在目标特征点中选取标记特征点;
所述标记模块用于获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
所述构建模块用于利用所述空间坐标生成若干空间三角形;
所述计算模块用于利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
所述识别模块用于获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
通过2D查找3D的特征点,并根据三角形来匹配,能够减少计算量。
所述处理器还包括一判断模块以及一操作模块,
所述判断模块用于根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,
若是则调用所述操作模块根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云。
所述获取模块用于根据所述2D完整影像和3D完整点云获取3D影像。
若否则调用所述投影模块获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像;
所述识别模块用于根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
若否则调用所述投影模块获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像;
所述识别模块用于根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
参见图1,利用上述人脸识别装置,本实施例提供一种人脸识别方法,包括:
步骤100、获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
步骤101、根据所述2D影像和3D点云获取3D影像;
步骤102、获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
步骤103、通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
参见图2,其中,步骤103具体为:
步骤1031、在目标特征点中选取标记特征点;
步骤1032、获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
步骤1033、利用所述空间坐标生成若干空间三角形;
步骤1034、利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
步骤1035、获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
参见图3,具体地,步骤101包括:
步骤1011、在2D影像中获取鼻子的特征点;
步骤1012、根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若是则执行步骤1013,若否则执行步骤1015。
步骤1013、根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云;
步骤1014、根据所述2D完整影像和3D完整点云获取3D影像,然后执行步骤102。
步骤1015、获取3D点云中耳部点云
步骤1016、根据所述耳部点云获取耳部的空间线条
步骤1017、获取所述空间线条在平面上的投影获取2D耳部影像
步骤1018、根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份,然后结束流程。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种基于2D和3D影像的人脸识别方法,其特征在于,所述人脸识别方法包括:
获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
根据所述2D影像和3D点云获取3D影像;
获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
利用所述目标特征点及深度信息识别所述拍摄目标的身份。
2.如权利要求1所述的人脸识别方法,其特征在于,利用所述目标特征点及深度信息识别所述拍摄目标的身份为通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
3.如权利要求1所述的人脸识别方法,其特征在于,所述利用所述目标特征点及深度信息识别所述拍摄目标的身份,包括:
在目标特征点中选取标记特征点;
获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
利用所述空间坐标生成若干空间三角形;
利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
4.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述2D影像和3D点云获取3D影像,包括:
根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若是则根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云;
根据所述2D完整影像和3D完整点云获取3D影像。
5.如权利要求4所述的人脸识别方法,其特征在于,根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若否则获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像,根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
6.一种基于2D和3D影像的人脸识别装置,其特征在于,人脸识别装置包括2D镜头、3D镜头以及一处理器,所述处理器包括一获取模块、一生成模块以及一识别模块,
所述2D镜头及3D镜头用于分别获取一拍摄目标的2D影像和3D点云,所述2D影像和3D点云的拍摄方向及时刻对应;
所述获取模块用于根据所述2D影像和3D点云获取3D影像;
所述生成模块用于获取所述2D影像上的目标特征点以及目标特征点在3D影像上的深度信息;
所述识别模块用于利用所述目标特征点及深度信息识别所述拍摄目标的身份。
7.如权利要求6所述的人脸识别方法,其特征在于,
所述识别模块用于通过神经算法根据目标特征点及深度信息识别所述拍摄目标的身份。
8.如权利要求6所述的人脸识别方法,其特征在于,所述处理器还包括一选取模块、一标记模块、一构建模块以及一计算模块,
所述选取模块用于在目标特征点中选取标记特征点;
所述标记模块用于获取标记特征点在3D影像上的深度信息生成标记特征点的空间坐标;
所述构建模块用于利用所述空间坐标生成若干空间三角形;
所述计算模块用于利用所述空间三角形与数据库中的样本的空间坐标形成的对应三角形的每一个角做差值;
所述识别模块用于获取差值总和最小的样本,并在差之总和小于预设值时将所述样本的信息作为所述拍摄目标的身份。
9.如权利要求6所述的人脸识别方法,其特征在于,所述处理器还包括一判断模块以及一操作模块,
所述判断模块用于根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若是则调用所述操作模块根据所述2D影像的对称影像获取2D完整影像并根据所述3D点云的对称影像获取3D完整点云;
所述获取模块用于根据所述2D完整影像和3D完整点云获取3D影像。
10.如权利要求9所述的人脸识别方法,其特征在于,所述处理器还包括一投影模块,
所述判断模块用于根据鼻子的特征点判断所述2D影像中是否包含完整的鼻子影像,若否则调用所述投影模块获取3D点云中耳部点云,根据所述耳部点云获取耳部的空间线条,获取所述空间线条在平面上的投影获取2D耳部影像;
所述识别模块用于根据所述2D影像以及2D耳部影像上的特征点识别所述拍摄目标的身份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910311222.8A CN110188604A (zh) | 2019-04-18 | 2019-04-18 | 基于2d和3d影像的人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910311222.8A CN110188604A (zh) | 2019-04-18 | 2019-04-18 | 基于2d和3d影像的人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110188604A true CN110188604A (zh) | 2019-08-30 |
Family
ID=67714676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910311222.8A Pending CN110188604A (zh) | 2019-04-18 | 2019-04-18 | 基于2d和3d影像的人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188604A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060078172A1 (en) * | 2004-06-03 | 2006-04-13 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona | 3D face authentication and recognition based on bilateral symmetry analysis |
CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
CN104008370A (zh) * | 2014-05-19 | 2014-08-27 | 清华大学 | 一种视频人脸识别方法 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别系统及人脸识别方法 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
CN108009532A (zh) * | 2017-12-28 | 2018-05-08 | 盎锐(上海)信息科技有限公司 | 基于3d成像的身份识别方法及终端 |
CN108197549A (zh) * | 2017-12-28 | 2018-06-22 | 盎锐(上海)信息科技有限公司 | 基于3d成像的人脸识别方法及终端 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
CN109360270A (zh) * | 2018-11-13 | 2019-02-19 | 盎锐(上海)信息科技有限公司 | 基于人工智能的3d人脸姿态对齐算法及装置 |
CN109377551A (zh) * | 2018-10-16 | 2019-02-22 | 北京旷视科技有限公司 | 一种三维人脸重建方法、装置及其存储介质 |
-
2019
- 2019-04-18 CN CN201910311222.8A patent/CN110188604A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060078172A1 (en) * | 2004-06-03 | 2006-04-13 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona | 3D face authentication and recognition based on bilateral symmetry analysis |
CN102194131A (zh) * | 2011-06-01 | 2011-09-21 | 华南理工大学 | 基于五官几何比例特征的快速人脸识别方法 |
CN104008370A (zh) * | 2014-05-19 | 2014-08-27 | 清华大学 | 一种视频人脸识别方法 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别系统及人脸识别方法 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
CN108009532A (zh) * | 2017-12-28 | 2018-05-08 | 盎锐(上海)信息科技有限公司 | 基于3d成像的身份识别方法及终端 |
CN108197549A (zh) * | 2017-12-28 | 2018-06-22 | 盎锐(上海)信息科技有限公司 | 基于3d成像的人脸识别方法及终端 |
CN108427871A (zh) * | 2018-01-30 | 2018-08-21 | 深圳奥比中光科技有限公司 | 3d人脸快速身份认证方法与装置 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
CN109377551A (zh) * | 2018-10-16 | 2019-02-22 | 北京旷视科技有限公司 | 一种三维人脸重建方法、装置及其存储介质 |
CN109360270A (zh) * | 2018-11-13 | 2019-02-19 | 盎锐(上海)信息科技有限公司 | 基于人工智能的3d人脸姿态对齐算法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147721B (zh) | 一种三维人脸识别方法、模型训练方法和装置 | |
CN107609383B (zh) | 3d人脸身份认证方法与装置 | |
CN107748869B (zh) | 3d人脸身份认证方法与装置 | |
CN107633165B (zh) | 3d人脸身份认证方法与装置 | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
CN112487921B (zh) | 一种用于活体检测的人脸图像预处理方法及系统 | |
Medioni et al. | Identifying noncooperative subjects at a distance using face images and inferred three-dimensional face models | |
CN106372629A (zh) | 一种活体检测方法和装置 | |
CN110263768A (zh) | 一种基于深度残差网络的人脸识别方法 | |
CN113850865A (zh) | 一种基于双目视觉的人体姿态定位方法、系统和存储介质 | |
CN105022999A (zh) | 一种人码伴随实时采集系统 | |
CN113762009B (zh) | 一种基于多尺度特征融合及双注意力机制的人群计数方法 | |
CN112257641A (zh) | 一种人脸识别活体检测方法 | |
CN110544268B (zh) | 一种基于结构光及SiamMask网络的多目标跟踪方法 | |
CN108416291A (zh) | 人脸检测识别方法、装置和系统 | |
CN112200056A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN114894337B (zh) | 一种用于室外人脸识别测温方法及装置 | |
CN111626241B (zh) | 一种人脸检测方法及装置 | |
CN111767879A (zh) | 一种活体检测方法 | |
CN115035546B (zh) | 三维人体姿态检测方法、装置及电子设备 | |
CN108197549A (zh) | 基于3d成像的人脸识别方法及终端 | |
KR101053253B1 (ko) | 3차원 정보를 이용한 얼굴 인식 장치 및 방법 | |
CN110909571B (zh) | 一种高精度面部识别空间定位方法 | |
CN111881841B (zh) | 一种基于双目视觉的人脸检测识别方法 | |
CN108009532A (zh) | 基于3d成像的身份识别方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190830 |